Vivaan21 commited on
Commit
0a0562a
1 Parent(s): e0817e1

Training in progress, step 100, checkpoint

Browse files
last-checkpoint/adapter_model.safetensors CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:9d8fe614289c2412531512505e9404e1f7106803e1f25f49ca7e30bea94f296c
3
  size 42002584
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:007489c2aaad6597419109d7b913f6e1ea35e21bf22614272d4344f882f3264b
3
  size 42002584
last-checkpoint/global_step100/bf16_zero_pp_rank_0_mp_rank_00_optim_states.pt CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:699d6acbe1c42fb03645ef3801bd50e27eecd316ee8197641d885be7409ebfde
3
  size 251710672
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:0a810d4ffdf7384fc2e4178085ff96e240cfdac14eab075b43ab33e66a5d82ec
3
  size 251710672
last-checkpoint/global_step100/mp_rank_00_model_states.pt CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:0a3d7c50191701ba92032cac239be886ee51cad5acbbf37283fd258afb2792e1
3
- size 153726841
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:bc784b5e36ac71872cd69f7c28faae1e204fe69f3386e1391613fce2808ff224
3
+ size 153726649
last-checkpoint/latest CHANGED
@@ -1 +1 @@
1
- global_step50
 
1
+ global_step100
last-checkpoint/rng_state.pth CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:1b5815cfe0a312f88454f2cd698ee65c6bbb0eadab8665cc149e714a36be932a
3
  size 14244
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:6083b63ed272d04027047a9757474c4ad6a6a0c32cfe99d060023e5a6ec919c9
3
  size 14244
last-checkpoint/trainer_state.json CHANGED
@@ -1,9 +1,9 @@
1
  {
2
  "best_metric": null,
3
  "best_model_checkpoint": null,
4
- "epoch": 0.3058103975535168,
5
  "eval_steps": 1000,
6
- "global_step": 50,
7
  "is_hyper_param_search": false,
8
  "is_local_process_zero": true,
9
  "is_world_process_zero": true,
@@ -357,6 +357,356 @@
357
  "learning_rate": 0.00010833333333333333,
358
  "loss": 1.843,
359
  "step": 50
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
360
  }
361
  ],
362
  "logging_steps": 1,
@@ -376,7 +726,7 @@
376
  "attributes": {}
377
  }
378
  },
379
- "total_flos": 537183016976384.0,
380
  "train_batch_size": 2,
381
  "trial_name": null,
382
  "trial_params": null
 
1
  {
2
  "best_metric": null,
3
  "best_model_checkpoint": null,
4
+ "epoch": 0.6116207951070336,
5
  "eval_steps": 1000,
6
+ "global_step": 100,
7
  "is_hyper_param_search": false,
8
  "is_local_process_zero": true,
9
  "is_world_process_zero": true,
 
357
  "learning_rate": 0.00010833333333333333,
358
  "loss": 1.843,
359
  "step": 50
360
+ },
361
+ {
362
+ "epoch": 0.3119266055045872,
363
+ "grad_norm": 6.078310966491699,
364
+ "learning_rate": 0.00010625000000000001,
365
+ "loss": 2.6343,
366
+ "step": 51
367
+ },
368
+ {
369
+ "epoch": 0.3180428134556575,
370
+ "grad_norm": 4.997678279876709,
371
+ "learning_rate": 0.00010416666666666667,
372
+ "loss": 1.3599,
373
+ "step": 52
374
+ },
375
+ {
376
+ "epoch": 0.3241590214067278,
377
+ "grad_norm": 3.9184954166412354,
378
+ "learning_rate": 0.00010208333333333333,
379
+ "loss": 1.1759,
380
+ "step": 53
381
+ },
382
+ {
383
+ "epoch": 0.3302752293577982,
384
+ "grad_norm": 2.9978091716766357,
385
+ "learning_rate": 0.0001,
386
+ "loss": 1.1444,
387
+ "step": 54
388
+ },
389
+ {
390
+ "epoch": 0.3363914373088685,
391
+ "grad_norm": 3.656428337097168,
392
+ "learning_rate": 9.791666666666667e-05,
393
+ "loss": 1.6992,
394
+ "step": 55
395
+ },
396
+ {
397
+ "epoch": 0.3425076452599388,
398
+ "grad_norm": 4.245843410491943,
399
+ "learning_rate": 9.583333333333334e-05,
400
+ "loss": 1.3147,
401
+ "step": 56
402
+ },
403
+ {
404
+ "epoch": 0.3486238532110092,
405
+ "grad_norm": 3.5236010551452637,
406
+ "learning_rate": 9.375e-05,
407
+ "loss": 1.4529,
408
+ "step": 57
409
+ },
410
+ {
411
+ "epoch": 0.3547400611620795,
412
+ "grad_norm": 5.085486888885498,
413
+ "learning_rate": 9.166666666666667e-05,
414
+ "loss": 1.4496,
415
+ "step": 58
416
+ },
417
+ {
418
+ "epoch": 0.36085626911314983,
419
+ "grad_norm": 3.34416127204895,
420
+ "learning_rate": 8.958333333333335e-05,
421
+ "loss": 1.5209,
422
+ "step": 59
423
+ },
424
+ {
425
+ "epoch": 0.3669724770642202,
426
+ "grad_norm": 3.9783742427825928,
427
+ "learning_rate": 8.75e-05,
428
+ "loss": 1.6401,
429
+ "step": 60
430
+ },
431
+ {
432
+ "epoch": 0.3730886850152905,
433
+ "grad_norm": 4.964531898498535,
434
+ "learning_rate": 8.541666666666666e-05,
435
+ "loss": 1.7851,
436
+ "step": 61
437
+ },
438
+ {
439
+ "epoch": 0.37920489296636084,
440
+ "grad_norm": 4.7241997718811035,
441
+ "learning_rate": 8.333333333333334e-05,
442
+ "loss": 2.2016,
443
+ "step": 62
444
+ },
445
+ {
446
+ "epoch": 0.3853211009174312,
447
+ "grad_norm": 5.319520950317383,
448
+ "learning_rate": 8.125000000000001e-05,
449
+ "loss": 2.3873,
450
+ "step": 63
451
+ },
452
+ {
453
+ "epoch": 0.39143730886850153,
454
+ "grad_norm": 8.982603073120117,
455
+ "learning_rate": 7.916666666666666e-05,
456
+ "loss": 2.6303,
457
+ "step": 64
458
+ },
459
+ {
460
+ "epoch": 0.39755351681957185,
461
+ "grad_norm": 1.1205874681472778,
462
+ "learning_rate": 7.708333333333334e-05,
463
+ "loss": 0.1282,
464
+ "step": 65
465
+ },
466
+ {
467
+ "epoch": 0.4036697247706422,
468
+ "grad_norm": 3.1795151233673096,
469
+ "learning_rate": 7.500000000000001e-05,
470
+ "loss": 1.2387,
471
+ "step": 66
472
+ },
473
+ {
474
+ "epoch": 0.40978593272171254,
475
+ "grad_norm": 6.89016056060791,
476
+ "learning_rate": 7.291666666666667e-05,
477
+ "loss": 2.3982,
478
+ "step": 67
479
+ },
480
+ {
481
+ "epoch": 0.41590214067278286,
482
+ "grad_norm": 5.013582706451416,
483
+ "learning_rate": 7.083333333333334e-05,
484
+ "loss": 2.0834,
485
+ "step": 68
486
+ },
487
+ {
488
+ "epoch": 0.42201834862385323,
489
+ "grad_norm": 4.096442222595215,
490
+ "learning_rate": 6.875e-05,
491
+ "loss": 1.6025,
492
+ "step": 69
493
+ },
494
+ {
495
+ "epoch": 0.42813455657492355,
496
+ "grad_norm": 4.867453098297119,
497
+ "learning_rate": 6.666666666666667e-05,
498
+ "loss": 1.7167,
499
+ "step": 70
500
+ },
501
+ {
502
+ "epoch": 0.43425076452599387,
503
+ "grad_norm": 3.749317169189453,
504
+ "learning_rate": 6.458333333333334e-05,
505
+ "loss": 1.1032,
506
+ "step": 71
507
+ },
508
+ {
509
+ "epoch": 0.44036697247706424,
510
+ "grad_norm": 5.7217535972595215,
511
+ "learning_rate": 6.25e-05,
512
+ "loss": 2.2715,
513
+ "step": 72
514
+ },
515
+ {
516
+ "epoch": 0.44648318042813456,
517
+ "grad_norm": 3.721311330795288,
518
+ "learning_rate": 6.041666666666667e-05,
519
+ "loss": 1.8696,
520
+ "step": 73
521
+ },
522
+ {
523
+ "epoch": 0.4525993883792049,
524
+ "grad_norm": 5.838470935821533,
525
+ "learning_rate": 5.833333333333334e-05,
526
+ "loss": 2.6274,
527
+ "step": 74
528
+ },
529
+ {
530
+ "epoch": 0.45871559633027525,
531
+ "grad_norm": 2.226341724395752,
532
+ "learning_rate": 5.6250000000000005e-05,
533
+ "loss": 0.6009,
534
+ "step": 75
535
+ },
536
+ {
537
+ "epoch": 0.4648318042813456,
538
+ "grad_norm": 2.5226593017578125,
539
+ "learning_rate": 5.4166666666666664e-05,
540
+ "loss": 0.2884,
541
+ "step": 76
542
+ },
543
+ {
544
+ "epoch": 0.4709480122324159,
545
+ "grad_norm": 4.07631778717041,
546
+ "learning_rate": 5.208333333333334e-05,
547
+ "loss": 2.2146,
548
+ "step": 77
549
+ },
550
+ {
551
+ "epoch": 0.47706422018348627,
552
+ "grad_norm": 5.328915119171143,
553
+ "learning_rate": 5e-05,
554
+ "loss": 2.5741,
555
+ "step": 78
556
+ },
557
+ {
558
+ "epoch": 0.4831804281345566,
559
+ "grad_norm": 4.454275131225586,
560
+ "learning_rate": 4.791666666666667e-05,
561
+ "loss": 2.5801,
562
+ "step": 79
563
+ },
564
+ {
565
+ "epoch": 0.4892966360856269,
566
+ "grad_norm": 4.834322929382324,
567
+ "learning_rate": 4.5833333333333334e-05,
568
+ "loss": 2.4515,
569
+ "step": 80
570
+ },
571
+ {
572
+ "epoch": 0.4954128440366973,
573
+ "grad_norm": 4.437044143676758,
574
+ "learning_rate": 4.375e-05,
575
+ "loss": 1.9943,
576
+ "step": 81
577
+ },
578
+ {
579
+ "epoch": 0.5015290519877675,
580
+ "grad_norm": 4.516618728637695,
581
+ "learning_rate": 4.166666666666667e-05,
582
+ "loss": 2.3656,
583
+ "step": 82
584
+ },
585
+ {
586
+ "epoch": 0.5076452599388379,
587
+ "grad_norm": 4.112553596496582,
588
+ "learning_rate": 3.958333333333333e-05,
589
+ "loss": 1.6772,
590
+ "step": 83
591
+ },
592
+ {
593
+ "epoch": 0.5137614678899083,
594
+ "grad_norm": 3.116727590560913,
595
+ "learning_rate": 3.7500000000000003e-05,
596
+ "loss": 0.8636,
597
+ "step": 84
598
+ },
599
+ {
600
+ "epoch": 0.5198776758409785,
601
+ "grad_norm": 5.432259559631348,
602
+ "learning_rate": 3.541666666666667e-05,
603
+ "loss": 2.3327,
604
+ "step": 85
605
+ },
606
+ {
607
+ "epoch": 0.5259938837920489,
608
+ "grad_norm": 5.103914737701416,
609
+ "learning_rate": 3.3333333333333335e-05,
610
+ "loss": 1.3778,
611
+ "step": 86
612
+ },
613
+ {
614
+ "epoch": 0.5321100917431193,
615
+ "grad_norm": 3.614302158355713,
616
+ "learning_rate": 3.125e-05,
617
+ "loss": 1.4744,
618
+ "step": 87
619
+ },
620
+ {
621
+ "epoch": 0.5382262996941896,
622
+ "grad_norm": 5.543083190917969,
623
+ "learning_rate": 2.916666666666667e-05,
624
+ "loss": 2.5973,
625
+ "step": 88
626
+ },
627
+ {
628
+ "epoch": 0.5443425076452599,
629
+ "grad_norm": 2.4122681617736816,
630
+ "learning_rate": 2.7083333333333332e-05,
631
+ "loss": 0.7568,
632
+ "step": 89
633
+ },
634
+ {
635
+ "epoch": 0.5504587155963303,
636
+ "grad_norm": 3.6105504035949707,
637
+ "learning_rate": 2.5e-05,
638
+ "loss": 1.5159,
639
+ "step": 90
640
+ },
641
+ {
642
+ "epoch": 0.5565749235474006,
643
+ "grad_norm": 5.010311603546143,
644
+ "learning_rate": 2.2916666666666667e-05,
645
+ "loss": 2.6353,
646
+ "step": 91
647
+ },
648
+ {
649
+ "epoch": 0.5626911314984709,
650
+ "grad_norm": 3.6909067630767822,
651
+ "learning_rate": 2.0833333333333336e-05,
652
+ "loss": 1.5439,
653
+ "step": 92
654
+ },
655
+ {
656
+ "epoch": 0.5688073394495413,
657
+ "grad_norm": 6.5463385581970215,
658
+ "learning_rate": 1.8750000000000002e-05,
659
+ "loss": 3.0133,
660
+ "step": 93
661
+ },
662
+ {
663
+ "epoch": 0.5749235474006116,
664
+ "grad_norm": 4.049159049987793,
665
+ "learning_rate": 1.6666666666666667e-05,
666
+ "loss": 1.7854,
667
+ "step": 94
668
+ },
669
+ {
670
+ "epoch": 0.581039755351682,
671
+ "grad_norm": 5.64749813079834,
672
+ "learning_rate": 1.4583333333333335e-05,
673
+ "loss": 2.849,
674
+ "step": 95
675
+ },
676
+ {
677
+ "epoch": 0.5871559633027523,
678
+ "grad_norm": 4.905054092407227,
679
+ "learning_rate": 1.25e-05,
680
+ "loss": 2.1152,
681
+ "step": 96
682
+ },
683
+ {
684
+ "epoch": 0.5932721712538226,
685
+ "grad_norm": 3.8201253414154053,
686
+ "learning_rate": 1.0416666666666668e-05,
687
+ "loss": 1.6202,
688
+ "step": 97
689
+ },
690
+ {
691
+ "epoch": 0.599388379204893,
692
+ "grad_norm": 4.628500461578369,
693
+ "learning_rate": 8.333333333333334e-06,
694
+ "loss": 2.452,
695
+ "step": 98
696
+ },
697
+ {
698
+ "epoch": 0.6055045871559633,
699
+ "grad_norm": 4.139845848083496,
700
+ "learning_rate": 6.25e-06,
701
+ "loss": 1.12,
702
+ "step": 99
703
+ },
704
+ {
705
+ "epoch": 0.6116207951070336,
706
+ "grad_norm": 4.506109237670898,
707
+ "learning_rate": 4.166666666666667e-06,
708
+ "loss": 1.7944,
709
+ "step": 100
710
  }
711
  ],
712
  "logging_steps": 1,
 
726
  "attributes": {}
727
  }
728
  },
729
+ "total_flos": 1052971141431296.0,
730
  "train_batch_size": 2,
731
  "trial_name": null,
732
  "trial_params": null